คู่มือ

ฐานความรู้ (RAG)

อัปโหลดเอกสาร สร้าง embeddings และให้ AI อ้างอิงเนื้อหาจริงของคุณ

ฟีเจอร์ฐานความรู้ช่วยให้ AI เอเจนต์ของคุณตอบคำถามโดยใช้เอกสารจริงของคุณ —— บันทึกการเผยแพร่ บทความช่วยเหลือ นโยบาย หรือสิ่งใดก็ตามที่อิงข้อความ

รูปแบบที่รองรับ

PDF
Markdown, ข้อความธรรมดา
Word (.docx) · CSV
JSON (สกัดเป็นข้อความ)

ขั้นตอนการอัปโหลด

ไปที่ ความรู้ → อัปโหลดเอกสาร
เลือกไฟล์ (สูงสุด 25 MB) ไฟล์จะถูกอัปโหลดตรงไปยัง S3 ผ่าน presigned POST
worker จะรับงานนี้: สกัดข้อความ → แบ่งเป็น chunks ที่ราว 800 tokens → สร้าง embeddings ด้วย OpenAI text-embedding-3-small → จัดเก็บใน pgvector
สถานะจะเปลี่ยนเป็น READY เมื่อเสร็จสิ้น

การค้นคืนทำงานอย่างไร

ในทุกข้อความจากผู้เยี่ยมชม worker จะสร้าง embeddings ของคำค้นและทำการค้นหาด้วย ระยะโคไซน์เหนือ chunks ของผู้เช่าของคุณ chunks แบบ Top-K (ค่าเริ่มต้น 5) ที่ผ่านเกณฑ์ ความคล้ายคลึงจะถูกแทรกเข้าไปในระบบพรอมป์

การใช้ embeddings ของคุณเอง

ใน AI เอเจนต์ → Embeddings คุณสามารถตั้งค่า endpoint ของ embedding API แบบกำหนดเองได้ —— มีประโยชน์หากคุณต้องการใช้ Azure OpenAI, Ollama ในเครื่อง หรือ DuckLLM endpoint ของการเติมข้อความ แชตสามารถต่างจาก endpoint ของ embedding ได้ เพราะบริการแบบรวม มักไม่รองรับ embeddings

การแคช

ข้อความคำค้นที่เหมือนกันทุกประการจะเข้าแคช Redis ขนาด 24 ชั่วโมง ดังนั้น FAQ เดียวกันจะไม่สร้าง embeddings ใหม่ ในทุกการเข้าชม การแคชพรอมป์ของ Anthropic จะถูกนำไปใช้กับระบบพรอมป์ + chunks ที่ค้นคืนมา เพื่อประหยัดต้นทุนเพิ่มเติม

เมื่อใดควรข้าม RAG

ปิด RAG enabled หาก AI เอเจนต์ของคุณเป็นเพียงบอตที่ใช้ พูดคุยทั่วไป / คัดกรองลูกค้าเป้าหมายล้วน ๆ ที่ไม่จำเป็นต้องอ้างอิงเอกสาร

ก่อนหน้าวิดเจ็ตเว็บ ถัดไปโฮสต์เองด้วย Docker